Policy Learning under Biased Sample Selection
有偏样本选择下的政策学习AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究随机试验向目标总体推广时的治疗分配、处理效应与政策福利，最直接对应因果推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
有偏样本选择下的政策学习
- 研究问题
- 随机试验具有内部有效性、参与者却不能代表目标总体时，如何学习在允许的样本选择偏差下仍有福利保障的治疗分配政策？
- 方法与思路
- 作者允许可观测属性任意影响入样概率，并约束不可观测属性的影响，推导最坏情形福利的部分识别及相应稳健政策。
- 材料陈述的贡献
- 摘要称三类稳健政策依赖条件平均处理效应与潜在结果的条件风险价值，并提出无需分别估计干扰参数的端到端学习程序。
- 阅读关注点
- 应核对选择偏差界限的定义、最坏福利的识别集合、三类政策目标的区别，以及端到端程序的理论保障与适用政策集合。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核验。摘要未说明偏差界限如何设定及有限样本保障，不能据此判断实际政策表现。
原文摘要
Practitioners often use data from a randomized controlled trial to learn a treatment assignment policy that can be deployed on a target population. A recurring concern in doing so is that, even if the randomized trial was well-executed (i.e., internal validity holds), the study participants may not represent a random sample of the target population (i.e., external validity fails)--and this may lead to policies that perform suboptimally on the target population. We consider a model where observable attributes can impact sample selection probabilities arbitrarily but the effect of unobservable attributes is bounded by a constant, and we aim to learn policies with the best possible performance guarantees that hold under any sampling bias of this type. In particular, we derive the partial identification result for the worst-case welfare in the presence of sampling bias and show that the optimal max-min, max-min gain, and minimax regret policies depend on both the conditional average treatment effect (CATE) and the conditional value-at-risk (CVaR) of potential outcomes given covariates. To avoid finite-sample inefficiencies of plug-in estimates, we further provide an end-to-end procedure for learning the optimal max-min and max-min gain policies that does not require the separate estimation of nuisance parameters.